基于Bayes估计的WSN自适应路由算法

针对无线传感器网络中存在的路由请求域动态调整问题,提出一种基于Bayes估计的无线传感器网络自适应路由算法。该算法以圆柱形路由请求域的半径作为调整参数,利用Bayes估计对路由请求域进行自适应调整。仿真结果表明,该算法在数据包投递率、路由开销、数据包平均时延和网络剩余能量比率上的性能都优于AODVjr路由算法。     

一种基于改进Bayes估计和能量均衡的WSN数据融合节点选取方法

在无线传感器网络数据融合过程中,为了保证数据融合节点本身的可靠性以提高其融合数据的准确性,提出一种基于改进Bayes估计和能量均衡的无线传感器网络数据融合节点选取方法。选取信任值高的节点作为潜在的融合节点,为避免高信任节点多次当选为融合节点从而过早地消耗掉自身的能量,将节点剩余能量作为参数共同考察潜在的融合节点,从而可以在一定程度上达到网络节点能量均衡的效果。仿真实验表明,所提方法能够在降低数据融合节点的平均耗能,提高网络传递的数据正确率等几个方面取得较好的效果。     

基于Bayes与多层Bayes估计的WSN链路选择算法

无线传感器网络（WSN）节点能量有限,采用传统的链路选择的方法（经验法）进行链路选择,需要发送大量的数据包作为测试样本,这在WSN中是不合适的。设计了两种基于Bayes估计与一种基于多层Bayes估计的WSN链路选择算法,分别记为BLSP-B1、BLSP-B2、BLSP-HE。仿真实验发现,在小样本的条件下,BLSP-B1、BLSP-B2、BLSP-HE选择高质量的链路的概率比经验法要高出10%～20%,其中BLSP-HE算法最稳健,性能较好。     

基于信誉模型的WSN密钥管理方案

针对无线传感器网络（WSN）的安全问题,结合椭圆曲线密码体制,提出一种基于信誉模型的WSN密钥管理方案。依据Beta分布建立节点信誉模型,采用分布式技术使方案支持节点的移动和密钥的动态管理,以避免分组密钥管理中的单点失效现象。分析结果表明,与E—G和IBC方案相比,该方案不仅能抵御外部节点的攻击,而且能防止内部节点的恶意行为。在保证网络安全的同时,还能提高网络抗毁性和节点连接概率,降低存储与通信开销。     

一种适用于可休眠WSN的基于统计学的信誉机制

在无线传感器网络(WSNs)的安全解决方案中,信誉机制作为其有效补充方法受到学者们的广泛关注并已应用到无线传感器网络的诸多实际应用当中。另外一方面,现有的大多数无线传感器网络都具备了节点休眠功能,用以提高节点的使用时间从而延长整个网络的使用寿命。但在现有的基于统计学中二项分布的信誉方法中,信誉是以一种连续的方式进行计算的,这使得该方法并不适合于可休眠的无线传感器网络。通过对统计学中负二项分布的应用研究,给出一种适合于可休眠无线传感器网络的信誉机制。实验结果表明,与传统方法相比,所运用的方法可以在一段固定的时间内以非连续的方式对信誉进行计算,因此可以有效保证可休眠无线传感器网络信誉计算的准确性。     

一种基于分段拟合估计的WSN定位算法

针对无线局域网环境下基于位置的服务尤其是室内定位的需求,提出了一种基于接受信号强度指示和链路质量指示的定位分段拟合估计算法;利用BP神经网络建立无线电传播路径损耗模型并且进行训练,用分段线性逼近的方法处理接受信号强度指示、链路质量指示分别与传播距离的衰落曲线,然后动态地进行优化处理得到最终的定位坐标估计值;该算法在基于ZigBee的硬件平台CC2431ZDK上进行,实验结果证明了该算法较单纯的基于接受信号强度指示的定位方法有了明显的进步,提高了定位估计的精度。     

基于抗差估计方法的WSN节点定位算法研究

针对无线传感器网络在实际应用中,节点间测距结果往往含有粗差,并会严重影响未知节点坐标估计值的准确性和可靠性这一问题,引入抗差估计理论,采用IGGⅢ权因子函数,设计了一种基于抗差估计的节点定位算法。该算法能对含有不同幅度的测量误差分别采取保权、降权和淘汰等相应处理,明显提高定位精度。仿真实验表明:在无粗差的情况下,本文算法与经典最小二乘定位算法的定位效果保持了良好的等效性;在含有粗差的情况下,本文算法借助于选择的阈值,对不同的粗差采取剔除以及降权等适当处理,比经典最小二乘定位取得了更高的定位精度,保证了估计结果的无偏性,体现出良好的抗差性能。     

一种基于信任度的网格计算资源分配模型

针对网格计算资源管理中的资源分配问题,提出了在资源分配过程中加入安全控制和负载均衡的设计思想,使整个网格计算系统具有比较高的运行效率和安全性。     

WSN节点的粒计算网格化定位算法

接收信号强度作为一种低功率廉价的测距方式而用于估计无线传感器网络的节点位置,但定位精度会受到时空传播介质的影响,构造快速算法是解决该问题的主要方法之一。对定位区域网格化,提出了基于粒计算的快速网格化定位算法。将定位问题转化为分类问题,利用粒计算分类算法,得到定位参数,估计未知节点的位置。实验结果表明与支持向量机定位相比粒计算网格化定位算法降低了定位误差和时间。     

基于节点交易密度的WSN信任计算方法仿真

根据无线传感器网络信任计算所采用的主要方法和网络的主要特点,结合当前针对无线传感器网络信任研究中普遍存在的过多强调算法整体的可行性和低计算复杂度,而较少考虑节点个体本身的交易次数所占比这一问题,提出一种基于节点交易密度的无线传感器网络信任计算方法,使得在根据节点信任值进行节点选取时,不再仅仅查看节点以往或当前的信任值,...     

基于能量敏感的无线传感器网络信任度计算模型

由于无线传感器网络开放性、动态性等特点,导致整个网络易受攻击而极为脆弱,给传统安全机制带来严峻挑战,从而限制了无线传感器网络的发展。作为对基于密码体系的安全手段的重要补充,信任管理在解决来自网络的内部攻击,识别恶意节点、自私节点及低竞争力节点方面有着显著的优势。本文将节点的能量信息引入节点信任度计算模型中,提高了系统安全性、可靠性和公平性。通过仿真分析说明,模型以较少的资源消耗对网络的资源配置、性能、安全和通信进行统一的维护和管理,能够保证网络正常有效地运行,既缓解了WSN的管理困难,也为信任应用研究开辟了新的途径。     

基于无线传感器网络的信誉形式化模型

无线传感器网络的安全威胁不仅发生在节点之间传递信息的时候,还发生在节点产生信息的时候,因此,单靠密码学和认证无法阻止传感器网络内部的攻击以及节点的异常行为.本文提出了一种基于无线传感器网络的信誉形式化模型,该模型形式化地描述了传感器节点信誉的表示、更新和整合.同时,通过对信誉分布和β分布的拟合分析与推理,发现β分布可以很好地描述与实现上述方案,由此设计了一个基于β分布的无线传感器网络信誉系统实例.实验表明,本信誉方案有较好的稳定性,能够抵抗诽谤攻击和信誉欺骗攻击,很好地解决无线传感器网络对数据认证的需求.     

基于信任和权重的无线传感器网络数据融合模型

在无线传感器网络中,数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此,提出一种基于信任和权重的无线传感器网络数据融合模型(TWDFM)。在该模型中,传感器节点通过构建信任表选举可靠簇头,簇头根据权重检测异常节点并融合可信数据。仿真实验表明,该模型可以有效提高数据融合的安全性和准确性。     

WSNs中基于信任度的节能机会路由算法

为了防止网络中存在的潜在恶意节点被加入到机会路由的候选转发集中,减少网络能量的消耗,并保证数据的可靠传输,提出了一种在无线传感器网络中基于信任度的节能机会路由(Trust Based Energy Efficient Opportunistic Routing in Wireless Sensor Networks,TBEEOR)算法。该算法根据网络的拓扑结构计算节点的代数连通度,进而计算节点的连通度诚意;再联合节点的转发诚意和ACK诚意,利用信息熵的概念计算综合信任度;最后,用节点的综合信任度来计算节点之间通信和协作造成的能量消耗,从而得到网络的预期成本。此外,该算法能够有效地识别和判断网络中的恶意节点,进一步减小了恶意节点对网络性能的影响。实验结果表明,TBEEOR算法有效地保证了数据传输的可靠性,有助于延长网络生命周期,从而增加了网络吞吐量,减少了网络能量消耗。     

异构无线传感器网络中异构节点的部署与优化

在无线传感器网络中适当地部署少量的异构传感器节点能够有效地延长网络寿命,提高网络的可靠性.本文主要研究无线传感器网络中异构节点的部署问题,提出了基于选址问题的异构节点部署算法,以优化无线传感器网络中异构节点的数量和位置.与其它算法相比,该算法对无线传感器网络的拓扑结构没有特定的要求,可以支持随机部署或人工部署的各种传感器网络,最后还给出了该算法的仿真测试结果.     

无线传感器网络中节点的动态部署

作为无线传感器网络中节点部署的新兴技术,动态部署得到了越来越多的重视并在近年来取得了理论和应用上的一系列进展。首先介绍了动态部署的基本概念和设计难点,并根据移动主体的不同,将动态部署分为节点自主部署和机器人辅助部署两种方式。然后,依据静态和动态两种部署场景,分类论述了节点自主部署的代表性成果。接着从网络构建和网络维护两个阶段介绍机器人辅助部署的主要方案。最后总结了节点动态部署亚待解决的问题,并探讨了进一步研究的方向。     

一种基于节点多角度信任的无线传感器网络

基于通信的信任模型不能完全解决无线传感器网络面临的安全威胁和节点能量不足的问题.提出一种基于节点通信、数据和能量相结合的信任模型,将传感数据和节点能量加入节点信任评估因素中,通过不同的信任计算方法得出各自的信任值,建立一个节点更加可信的无线传感器网络.模拟实验结果表明.基于通信一种因素的信任模型不足以决定一个节点的可信性,基于多角度的信任模型能够更简单、准确地判断一个节点的可信性.     

一种新的无线传感器网络节点信誉评测模型AEMP

研究了一种新的信誉评测模型,模型采用“加法奖励、乘法惩罚”的方法。该模型与现有模型相比,运算简单,资源消耗少,适合于无线传感器网络节点资源受限的特点。仿真实验表明,该模型可以快速降低实施不良通信行为节点的信任值,从原理上减少误判。该模型为无线传感器网络路由协议设计提供了新的选路依据。     

基于多事件并发的无线传感网数据一致性信任评价

目前无线传感器网络的信任评价模型主要研究节点通信方面的信任,很少研究节点发送数据一致性方面的 信任。数据一致性信任评价要求一段时间以内传感区域只发生一个事件,否则不但不能准确区分多个事件,还会把合 法节点与恶意节点混淆,针对这一局限,提出一种适用于多事件并发的数据一致性信任评价方法。仿真结果表明,在 传感区域多事件并发的时候,该方法能准确区分多个事件,也能发现并排除恶意节点,降低误判率。     

无线传感器网络云信任模型

针对目前无线传感器网络不能有效降低信任风险的问题,提出一种用云理论定义的风险信号,并构建基于该风险评估方法的无线传感器网络云信任模型。该模型考虑到无线传感器网络中节点的动态上下文的不确定性,引入一种新的基于云理论的风险评估方法,并提出把风险和信任不确定性统一起来。实验结果分析表明,该信任模型能够有效表达信任和风险的不确定性,降低信任风险,相比已有的一些信任模型较大程度地降低了信任风险,提高了系统的有效成功合作率。